생산성을 높이는 시각적 기계 학습
끌어서 놓기 인터페이스를 통해 초보자부터 전문가까지 전체 데이터 과학 팀의 모델 빌드 및 배포 속도를 높일 수 있습니다.
다양한 기본 제공 모듈을 사용하여 모든 데이터 원본에 연결하고 데이터 준비 및 전처리
최신 기계 학습 및 딥 러닝 알고리즘을 사용하여 시각적으로 모델 빌드 및 학습시키기
끌어서 놓기 모듈을 사용하여 모델 유효성 검사 및 평가
몇 번의 클릭만으로 실시간 또는 일괄 처리 유추 엔드포인트 배포 및 게시
간편하게 데이터 연결 및 준비
등록된 데이터 세트를 끌어서 놓고 Azure Blob Storage, Azure Data Lake Storage, Azure SQL을 비롯한 다양한 데이터 원본에 연결하거나 로컬 파일의 데이터를 업로드합니다. 한 번 클릭으로 데이터 프로필을 미리 보고 시각화할 수 있습니다. 데이터 변환 및 기능 엔지니어링을 위한 다양한 기본 제공 모듈 세트를 사용하여 데이터를 전처리합니다.
코드를 작성하지 않고 모델 빌드 및 학습시키기
컴퓨터 비전, 텍스트 분석, 권장 사항, 변칙 검색을 비롯한 첨단 기계 학습 및 딥 러닝 알고리즘을 사용하여 기계 학습 모델을 빌드하고 학습시킵니다. 코드 없는 모델의 경우 모듈을 끌어서 놓거나 Python 및 R 코드를 사용하여 사용자 지정합니다.
모델 성능 유효성 검사 및 평가
기계 학습 파이프라인을 대화형으로 실행합니다. 정확성을 위해 모델 및 데이터 세트의 교차 유효성 검사를 수행합니다. 몇 번의 클릭만으로 데이터 시각화에 액세스하여 모델을 평가합니다. 디버깅 및 문제 해결을 위해 그래프, 미리 보기 로그, 출력을 사용하여 빠른 근본 원인 분석을 수행합니다.
몇 번의 클릭만으로 모델 배포 및 엔드포인트 게시
몇 번의 클릭만으로 환경에 대한 REST 엔드포인트로 실시간 및 일괄 처리 추론을 위한 모델을 배포합니다. 채점 파일 및 배포 이미지를 자동으로 생성합니다. 모델 및 기타 자산은 MLOps(기계 학습 운영) 추적 및 계보의 중앙 레지스트리에 저장됩니다.
Azure Machine Learning 디자이너 리소스 및 설명서
Azure Machine Learning 디자이너 시작
Azure를 사용하여 기계 학습 기술 함양
이 30일 학습 경험을 통해 Azure의 기계 학습에 대해 자세히 알아보고 실습 자습서에 참여하세요. 이 학습 경험을 마치면 Azure Data Scientist Associate 인증에 응시할 준비를 마치게 됩니다.